网页质量评价体系的研究.pdfVIP

第 25卷 第 5期 中文信息学报 Vol_25，No．5 2011年 9月 JOURNALOFCHINESE INF0RMATION PROCESSING Sep．，2011 编者按：中国人工智能学会与 中国计算机学会 于 2011年 8月 12月至 14日在 山西省太原市成功 召开了 “第三届全国智能信息处理学术会议 (NcIIP2O11)”。会议 的程序委员会向本刊推荐 了6篇 论文 ，编辑部得到授权．，在本期发表 ，以飨读者。 文章编号 ：1003—0077(2011)05—0003—06 网页质量评价体系的研究 魏 超，陈 飞，许丹青 ，张 敏，刘奕群 ，马少平 (智能技术与系统国家重点实验室 清华信息科学与技术 国家实验室(筹) 清华大学计算机科学与技术系 ，北京 100084) 摘 要 ：网络数据 的飞速增长为搜索引擎带来 了巨大的存储和 网络服务压力，大量冗余、低质量乃至垃圾数据造成 了搜索引擎存储与运算能力的巨大浪费，在这种情况下，如何建立适合万维网实际应用环境的网页数据质量评估 体 系与评估算法成为 了信息检索领域 的重要研究课题 。在前人工作 的基础上 ，通过 网络用户及 网页设计人员的参 与，文章提出了包括权威知名度、内容、时效性和网页外观呈现四个维度十三个因素的网页质量评价体系；标注数 据显示我们 的网页质量评价体 系具有较强的可操作性，标注结果 比较一致 ；文章最后使用0rdinalLogisticRegres— sion模型对评价体系的各个维度的重要性进行 了分析并得 出了一些启发性 的结论 ：互联 网网页 内容和实效性能否 满足用户需求是决定其质量 的重要 因素。 关键词 ：信息检索；网页质量评价 ；OrdinalLogisticRegression 中图分类号 ：TP391 文献标识码 ：A A FrameworkforWebPageQualityEvaluation W EIChao，CHEN Fei，XU Danqing，ZHANG M in，LIU Yiqun，M A Shaoping (StateKeyLaboratoryofIntelligentTechnologyandSystemsTsinghuaNationalLaboratoryforInformationScience andTechnologyDepartmentofComputerScienceandTechnology，TsinghuaUniversity，Beijing100084，China) Abstract：TherapidgrowthofW ebdataposesagreatchallengeinboth storageandservicequalityforsearchan— gines．Theexistenceoflow-qualitywebpages，orratherspam pages，increasesthecostofcrawling，indexing，and storageinsearchengines．ThispaperpresentsameasureofW eb pagequalitywith4dimensions：authority，con— tent，timelinessand appearance．Human assessorsarerecruited to rate thesampled pagesusing thisevaluation framework．Highinter-raterreliabilityoftheratingresultsshowedthattheframeworkisconsistentandfunctiona1． Finally，OrdinalLogisticRegressionanalyseswereconducted to modeltherelationshipbetwe